Melden Sie sich für unseren täglichen Newsletter an um immer auf dem neusten Stand zu bleiben!

Anmelden Ich bin bereits angemeldet

Sign up for our daily Newsletter and stay up to date with all the latest news!

Abonnieren I am already a subscriber
Bram Jansen, Invaro-Gruppe, Niederlande:

"Was für das menschliche Auge sichtbar ist, kann auch eine Kamera sehen"

"Optische Sortierung ist die Zukunft", beginnt Bram Jansen, Verkaufs- und Exportleiter bei Schouten, das zur Invaro-Gruppe gehört. Dieses niederländische Unternehmen konzentriert sich auf die Entwicklung und Konstruktion von Sortier- und Verarbeitungsmaschinen, unter anderem für (Pflanz-)Kartoffeln. Er ist der Ansicht, dass insbesondere die Verfügbarkeit neuer Software und Technologien wie Deep Learning, bei denen beispielsweise Kartoffeln zum Trainieren der Maschine verwendet werden, den Prozess der optischen Qualitätssortierung beschleunigt.

Jansen weist darauf hin, dass der Faktor Arbeit bei der Auswahl von optischen Sortiermaschinen eine wichtige Rolle spielt. "Die Arbeitskräfte werden immer knapper. Es ist fast unmöglich, Leute zu finden, und Größen- oder Qualitätssortierung von Hand ist eine langweilige Arbeit. Was für das menschliche Auge sichtbar ist, kann auch eine Kamera sehen. Hoffentlich wird das Sitzen in Sortierräumen in Zukunft überflüssig", sagt er.

Nachkontrolle
Jansen sagt, dass optische Größen- und Qualitätssortierer menschliche Arbeit ersetzen und zum Teil auch für die Endkontrolle bereit sind. "Auf diese Weise kann man mehrere Mitarbeiter im Sortierraum einsparen. Letztendlich wird man nur noch eine Person für die Nachkontrolle und die Überwachung des Prozesses benötigen." Er geht jedoch davon aus, dass auch dies bei den meisten Standardsorten oder Chargen ohne ungewöhnliche Mängel mit der Zeit überflüssig sein wird.

Die Kapazität ist ein weiterer wesentlicher Faktor. Der zwölfspurige optische Größensortierer Optica CS zum Beispiel sortiert Klumpen und Wachstumsfehler aus, sortiert quadratische Größen und kann bis zu 18 Tonnen Kartoffeln pro Stunde in neun verschiedene Größen sortieren. Jansen weist darauf hin, dass die optische Größensortierung viel genauer ist als die mechanische.

Genauere Sortierung
"Genau das entspricht einem Ertragsmodell. Bei der mechanischen Sortierung werden übergroße Pflanzkartoffeln oft aussortiert und als weniger wertvolle Speisekartoffeln betrachtet. Mit der optischen Größensortierung können Sie mehr Pflanzkartoffeln aus Ihrer Brutto-Charge verwenden. Tests zeigen, dass optische Sortierer bis zu 25 Prozent genauer sortieren", sagt Jansen und rechnet vor, dass die optische Größensortierung im Vergleich zur mechanischen Sortierung bis zu 500 Euro pro Hektar und Jahr einsparen kann.


Schouten vertreibt seit zehn Jahren optische Größensortierer und hat kürzlich einen optischen Qualitätssortierer entwickelt. Die Software wurde bereits für Blumen verwendet, aber sie wurde angepasst und für (Pflanz-)Kartoffeln nutzbar gemacht. Ein Prototyp wurde getestet, und der Optica Q ist nun bereit, als Nullserie in Betrieb genommen zu werden.

Kapazität
In Zusammenarbeit mit einem Kundengremium hat Schouten zudem mit der Entwicklung eines optischen Qualitätssortierers für Kartoffeln begonnen, der an eine bestehende Sortieranlage angeschlossen werden kann. Jansen sagt, dass die Kapazität ein wichtiger Faktor für die Kunden war. "Im Durchschnitt kann eine Person fünf bis sieben Tonnen Kartoffeln pro Stunde sortieren. Mit der optischen Qualitätssortierung können wir diese Menge auf zehn bis 15 Tonnen pro Stunde steigern. Das kann leicht zwei Mitarbeiter einsparen, sodass man das Personal für die Nachkontrolle effizienter einsetzen kann", erklärt er das Ertragsmodell der Maschine.

Das Unternehmen setzte Deep Learning ein, um den optischen Qualitätssortierer zu trainieren. "Wir haben Bilder von etwa 20 Kartoffeln gemacht, die zum Beispiel von Schorf befallen waren, und den Fehler mit einer Farbe markiert. Diese Bilder wurden der Datenbank hinzugefügt. Letztendlich erkennt der optische Sortierer selbst die Kartoffeln mit Schorf. Er kann Defekte wie Rhizoctonia, Drahtwurm, Fraßschäden oder Grünverfärbungen unterscheiden." Und, so Jansen, wenn die Kartoffeln in einer bestimmten Saison einzigartige oder neue Qualitätsmängel aufweisen, können die Sortierer leicht "angelernt" werden. "Die Deep-Learning-Software eignet sich gut, um die Maschine auch für andere Produkte wie beispielsweise Zwiebeln einsetzbar zu machen", erklärt er abschließend.

Weitere Informationen:
Invaro Group

[email protected]
www.invaroservices.com